論文の概要: Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition

• arxiv url: http://arxiv.org/abs/2005.06040v1
• Date: Tue, 12 May 2020 20:42:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 19:26:20.751153
• Title: Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition
• Title（参考訳）: 頑健な表情認識のためのオクルージョン適応ディープネットワーク
• Authors: Hui Ding, Peng Zhou, and Rama Chellappa
• Abstract要約: 本研究では,隠蔽領域から腐敗した特徴を発見・破棄するためのランドマーク誘導型アテンションブランチを提案する。 注意マップが最初に作成され、特定の顔部が閉鎖されているかどうかを示し、我々のモデルを非閉鎖領域に誘導する。 これにより、顔が部分的に隠されている場合でも、表情認識システムが回復することができる。
• 参考スコア（独自算出の注目度）: 56.11054589916299
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recognizing the expressions of partially occluded faces is a challenging computer vision problem. Previous expression recognition methods, either overlooked this issue or resolved it using extreme assumptions. Motivated by the fact that the human visual system is adept at ignoring the occlusion and focus on non-occluded facial areas, we propose a landmark-guided attention branch to find and discard corrupted features from occluded regions so that they are not used for recognition. An attention map is first generated to indicate if a specific facial part is occluded and guide our model to attend to non-occluded regions. To further improve robustness, we propose a facial region branch to partition the feature maps into non-overlapping facial blocks and task each block to predict the expression independently. This results in more diverse and discriminative features, enabling the expression recognition system to recover even though the face is partially occluded. Depending on the synergistic effects of the two branches, our occlusion-adaptive deep network significantly outperforms state-of-the-art methods on two challenging in-the-wild benchmark datasets and three real-world occluded expression datasets.
• Abstract（参考訳）: 部分的に隠された顔の表情を認識することは、難しいコンピュータビジョンの問題である。 以前の表現認識手法では、この問題を見落としていたり、極端な仮定で解決した。 人間の視覚系は、隠蔽を無視して非隠蔽顔領域に焦点を合わせているため、隠蔽領域から腐敗した特徴を発見・破棄し、認識に使用されないようにランドマーク誘導注意枝を提案する。 注意マップが最初に作成され、特定の顔の部分が隠蔽されているかを示し、我々のモデルを非隠蔽領域に誘導する。 さらにロバスト性を向上させるために,特徴マップを重複しない顔ブロックに分割し,各ブロックに個別に表現を予測させる顔領域分岐を提案する。 これにより、より多様で識別的な特徴が生まれ、顔の一部が隠されていても表情認識システムが回復する。 2つの枝の相乗効果によって、我々のオクルージョン適応型ディープネットワークは、2つの挑戦的内在型ベンチマークデータセットと3つの実世界の隠蔽式データセットに対して、最先端の手法を著しく上回っている。

関連論文リスト

• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
  最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。 本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。 我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
  論文  参考訳（メタデータ） (2021-08-21T09:08:41Z)
• Attention-based Partial Face Recognition [6.815997591230765]
  本研究では,隠蔽領域の異なる顔を認識する部分的顔認識手法を提案する。 本稿では、ResNetの中間機能マップと個別のアグリゲーションモジュールの注意プールを組み合わせることで、これを実現する。 徹底的な分析により、複数のベンチマークプロトコルで全てのベースラインを上回ります。
  論文  参考訳（メタデータ） (2021-06-11T14:16:06Z)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• Face Hallucination via Split-Attention in Split-Attention Network [58.30436379218425]
  畳み込みニューラルネットワーク(CNN)は、顔幻覚を促進するために広く用いられている。 顔の全体像とテクスチャの細部を同時に考慮し,新たな内部分割注意グループ(ESAG)を提案する。 これら2つの経路から特徴を融合させることにより、顔の構造の整合性と顔の詳細の忠実度が強化される。
  論文  参考訳（メタデータ） (2020-10-22T10:09:31Z)
• A survey of face recognition techniques under occlusion [4.10247419557141]
  隠蔽された顔認識は、現実世界のアプリケーションに顔認識の潜在能力を最大限活用するために必須である。 本稿では,既存の顔認識手法が隠蔽問題にどのように対処するかを示し,これらを3つのカテゴリに分類する。 我々は、モチベーション、イノベーション、長所と短所、そして比較のための代表的アプローチのパフォーマンスを分析します。
  論文  参考訳（メタデータ） (2020-06-19T20:44:02Z)
• SD-GAN: Structural and Denoising GAN reveals facial parts under occlusion [7.284661356980246]
  咬合状態にある顔の欠損部分を再構成する生成モデルを提案する。 GAN(Generative Adversarial Network)モデルとして,2モーダルな相互排他的学習アルゴリズムを考案した。 提案手法は,顔認識の性能向上においても,競合する手法よりもかなり優れている。
  論文  参考訳（メタデータ） (2020-02-19T21:12:49Z)
• Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
  本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。 具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。 顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
  論文  参考訳（メタデータ） (2020-02-17T20:00:56Z)
• Lossless Attention in Convolutional Networks for Facial Expression Recognition in the Wild [26.10189921938026]
  本稿では,畳み込みニューラルネットワーク (CNN) のためのロスレス注意モデル (LLAM) を提案し,顔から注意を意識した特徴を抽出する。 我々は,FG-2020 Affective Behavior Analysis in-the-wild Challengeの7つの基本表現分類に参加する。 そして,本手法をチャレンジでリリースしたAff-Wild2データセット上で検証する。
  論文  参考訳（メタデータ） (2020-01-31T14:38:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。